Exploración de data
Column
Variables a utilizar
En la data figuran, además de las variables a analizar, las variables de año, nombre del país (Country Name), código del país en código ISO de 3 letras y la región a la que pertenece cada uno de los países en cuestión.
Las variables seleccionadas son Participación femenina en parlamentos nacionales, el crecimiento del PBI anual, la tasa de graduación de mujeres en educación superior, tasa de participación femenina en la fuerza laboral por país,la estimación de la estabilidad política y ausencia de violencia por país y la estimación del control de corrupción por país. La participación femenina en parlamentos nacionales será utilizada como la variable dependiente. Se evalurá si las otras variables mencionadas la afectan y explican. Asimismo, la calificación de igualdad de género por país será utilizada como la variable de control.
Breve descripción de cada variable:
- Participación femenina en parlamentos nacionales (escanos): Variable representada por el porcentaje de escaños asignado a mujeres en cada país.
- Crecimiento del PBI anual (PBI): Indica el porcentaje de cambio en la economía de un país de un año a otro
- Tasa de graduación de mujeres en educación superior (educacion_superior): Porcentaje de mujeres que completan la educación superior en un país, en comparación con el total de la población femenina en la edad típica de graduación.
- Tasa de participación femenina en la fuerza laboral por país (fuerza_laboral): Mide el porcentaje de mujeres que participan activamente en el mercado laboral de un país
- Estimación de la estabilidad política y ausencia de violencia por país (estabilidad_politica): Indicador que mide la estabilidad política de un país y la ausencia de violencia y conflictos. Un valor más alto indica un entorno político más estable, mientras que un valor bajo refleja mayores niveles de inestabilidad y violencia
- La estimación del control de corrupción por país (corrupcion): Representa la percepción del nivel de corrupción en el gobierno de un país
- Calificación de igualdad de género por país (igualdad): Mide qué tan equitativo es un país en cuanto a oportunidades y derechos entre hombres y mujeres, con un valor más alto indicando una mayor igualdad y un valor bajo reflejando disparidades significativas entre géneros.
Los gráficos analizan las variables exclusivamente para el año 2020 como parte de un análisis exploratorio.
Gráfico de Barras de países por Región
Column {data-width=500}
Gráfico de Participación femenina en parlamentos
NORMALIZAMOS LOS DATOS EN UNA ESCALA DEL 1 AL10
Estabilidad Política por Regiones
Corrupción por Regiones
Nivel de Educación Superior por Regiones
PBI por Regiones
Fuerza Laboral Femenina por Regiones
Descripción de variables
Column
Variable dependiente e independiente
La variable “escanos” será el foco de este análisis para evaluar cómo las variables seleccionadas pueden influir en ella. Además, es necesario establecer la relación entre “escanos” (la variable dependiente) y las variables independientes y de control.
En cuanto a la data del año en cuestión, 2020, la variable muestra una distribución confiable, ya que solo tiene 5 casos con un valor de 0. Su media es 19.2, lo que está cerca de la mediana de 19.2. Esto sugiere que la proporción de mujeres en los parlamentos nacionales no está siendo excesivamente baja ni extremadamente alta, lo que podría reflejar una tendencia hacia una participación moderada de las mujeres en la política.
Boxplot de participación femenina en los parlamentos por regiones en el 2020
Column
Summary de variables númericas
Str de todas las variables
Column {data-width=500}
Gráfico de la Matriz de Correlaciones
$chisq
[1] 239.7492
$p.value
[1] 1.594801e-42
$df
[1] 15
Se optó por este gráfico debido a que en los gráficos de dispersión, al ser tanto países, no se observaba si había o no correlación.
Modelos de regresión
Column
Regresión de Gauss
Nuestra variable dependiente es una númerica continua sin acotar, por lo que ejecutaremos regresiones gaussianas.
En la primera regresión, todas las variables mantienen una relación positiva excepto estabilidad política con la dependiente. Las variables estadísticamente signficativas son fuerza laboral y corrupción. El R2 es muy bajo.
Se procede a estandaruzar la regresión para visualizar el efecto real de las variables independientes en la dependiente. El AIC se mantiene. Fuerza laboral y corrupción se mantienen como significativas con efectos de 1.85 con signficancia de 0.1 y 4.12 con significancia de 0.05.
Incluyendo nuestra variable de control (igualdad), observamos que el R2 ajustado presenta una importante mejora y que las variables estadísticamente significativas no son solo estabikidad política y corrupción, sino tambien igualdad.
Comparando los efectos de las variables en el modelo estandarizado y el estandarizado con la variable de control, se ve un incremento del efecto de las variables. Así también, el R2 ajustado se ve incrementado por la variable de control.
Column {data-width=400}
Regresión
Call:
lm(formula = escanos ~ PBI + educacion_superior + estabilidad_politica +
fuerza_laboral + corrupcion, data = data)
Residuals:
Min 1Q Median 3Q Max
-25.482 -7.412 -0.610 8.067 35.458
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 16.52579 3.71016 4.454 1.45e-05 ***
PBI 0.03674 0.09776 0.376 0.70752
educacion_superior 0.02811 0.04006 0.702 0.48375
estabilidad_politica -2.28049 1.44166 -1.582 0.11539
fuerza_laboral 0.12907 0.06268 2.059 0.04089 *
corrupcion 4.12161 1.37662 2.994 0.00313 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 11.74 on 185 degrees of freedom
Multiple R-squared: 0.09218, Adjusted R-squared: 0.06765
F-statistic: 3.757 on 5 and 185 DF, p-value: 0.002903| (1) | |
|---|---|
| (Intercept) | 16.526*** |
| (3.710) | |
| PBI | 0.037 |
| (0.098) | |
| educacion_superior | 0.028 |
| (0.040) | |
| estabilidad_politica | -2.280 |
| (1.442) | |
| fuerza_laboral | 0.129* |
| (0.063) | |
| corrupcion | 4.122** |
| (1.377) | |
| Num.Obs. | 191 |
| R2 | 0.092 |
| R2 Adj. | 0.068 |
| AIC | 1490.8 |
| BIC | 1513.6 |
| Log.Lik. | -738.409 |
| F | 3.757 |
| RMSE | 11.55 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Variable dependiente= Escaños; Variables independientes= PBI, Educación Superior, Estabilidad Política, Fuerza Laboral femenina, Corrupción.
Regresión estandarizada
Call:
lm(formula = escanos ~ PBI + educacion_superior + estabilidad_politica +
fuerza_laboral + corrupcion, data = data_estandarizada)
Residuals:
Min 1Q Median 3Q Max
-25.482 -7.412 -0.610 8.067 35.458
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 23.9415 0.8495 28.183 < 2e-16 ***
PBI 0.3272 0.8708 0.376 0.70752
educacion_superior 0.6332 0.9024 0.702 0.48375
estabilidad_politica -2.2271 1.4079 -1.582 0.11539
fuerza_laboral 1.8499 0.8984 2.059 0.04089 *
corrupcion 4.1232 1.3771 2.994 0.00313 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 11.74 on 185 degrees of freedom
Multiple R-squared: 0.09218, Adjusted R-squared: 0.06765
F-statistic: 3.757 on 5 and 185 DF, p-value: 0.002903| (1) | |
|---|---|
| (Intercept) | 23.942*** |
| (0.850) | |
| PBI | 0.327 |
| (0.871) | |
| educacion_superior | 0.633 |
| (0.902) | |
| estabilidad_politica | -2.227 |
| (1.408) | |
| fuerza_laboral | 1.850* |
| (0.898) | |
| corrupcion | 4.123** |
| (1.377) | |
| Num.Obs. | 191 |
| R2 | 0.092 |
| R2 Adj. | 0.068 |
| AIC | 1490.8 |
| BIC | 1513.6 |
| Log.Lik. | -738.409 |
| F | 3.757 |
| RMSE | 11.55 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Regresión con variable de control
Call:
lm(formula = escanos ~ PBI + educacion_superior + estabilidad_politica +
fuerza_laboral + corrupcion + igualdad, data = data)
Residuals:
Min 1Q Median 3Q Max
-23.6162 -8.4044 -0.4788 7.3258 31.5131
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -6.74446 6.35293 -1.062 0.289795
PBI 0.03423 0.09323 0.367 0.713892
educacion_superior 0.07558 0.03968 1.905 0.058394 .
estabilidad_politica -5.15604 1.52154 -3.389 0.000859 ***
fuerza_laboral 0.07019 0.06125 1.146 0.253299
corrupcion 4.61491 1.31748 3.503 0.000578 ***
igualdad 7.16985 1.62579 4.410 1.76e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 11.2 on 184 degrees of freedom
Multiple R-squared: 0.179, Adjusted R-squared: 0.1522
F-statistic: 6.685 on 6 and 184 DF, p-value: 2.042e-06| (1) | |
|---|---|
| (Intercept) | -6.744 |
| (6.353) | |
| PBI | 0.034 |
| (0.093) | |
| educacion_superior | 0.076+ |
| (0.040) | |
| estabilidad_politica | -5.156*** |
| (1.522) | |
| fuerza_laboral | 0.070 |
| (0.061) | |
| corrupcion | 4.615*** |
| (1.317) | |
| igualdad | 7.170*** |
| (1.626) | |
| Num.Obs. | 191 |
| R2 | 0.179 |
| R2 Adj. | 0.152 |
| AIC | 1473.6 |
| BIC | 1499.6 |
| Log.Lik. | -728.814 |
| F | 6.685 |
| RMSE | 10.99 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Regresión con variable de control estandarizada
Call:
lm(formula = escanos ~ PBI + educacion_superior + estabilidad_politica +
fuerza_laboral + corrupcion + igualdad, data = control_estandarizado)
Residuals:
Min 1Q Median 3Q Max
-23.6162 -8.4044 -0.4788 7.3258 31.5131
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 23.9415 0.8101 29.555 < 2e-16 ***
PBI 0.3049 0.8304 0.367 0.713892
educacion_superior 1.7027 0.8940 1.905 0.058394 .
estabilidad_politica -5.0354 1.4859 -3.389 0.000859 ***
fuerza_laboral 1.0060 0.8778 1.146 0.253299
corrupcion 4.6167 1.3180 3.503 0.000578 ***
igualdad 4.5069 1.0220 4.410 1.76e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 11.2 on 184 degrees of freedom
Multiple R-squared: 0.179, Adjusted R-squared: 0.1522
F-statistic: 6.685 on 6 and 184 DF, p-value: 2.042e-06| (1) | |
|---|---|
| (Intercept) | 23.942*** |
| (0.810) | |
| PBI | 0.305 |
| (0.830) | |
| educacion_superior | 1.703+ |
| (0.894) | |
| estabilidad_politica | -5.035*** |
| (1.486) | |
| fuerza_laboral | 1.006 |
| (0.878) | |
| corrupcion | 4.617*** |
| (1.318) | |
| igualdad | 4.507*** |
| (1.022) | |
| Num.Obs. | 191 |
| R2 | 0.179 |
| R2 Adj. | 0.152 |
| AIC | 1473.6 |
| BIC | 1499.6 |
| Log.Lik. | -728.814 |
| F | 6.685 |
| RMSE | 10.99 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Regresión estandarizada con variable de control estandarizada
| apropiacion (II) | apropiacion (IV) | |
|---|---|---|
| (Intercept) | 23.942*** | 23.942*** |
| (0.850) | (0.810) | |
| PBI | 0.327 | 0.305 |
| (0.871) | (0.830) | |
| educacion_superior | 0.633 | 1.703+ |
| (0.902) | (0.894) | |
| estabilidad_politica | -2.227 | -5.035*** |
| (1.408) | (1.486) | |
| fuerza_laboral | 1.850* | 1.006 |
| (0.898) | (0.878) | |
| corrupcion | 4.123** | 4.617*** |
| (1.377) | (1.318) | |
| igualdad | 4.507*** | |
| (1.022) | ||
| Num.Obs. | 191 | 191 |
| R2 | 0.092 | 0.179 |
| R2 Adj. | 0.068 | 0.152 |
| AIC | 1490.8 | 1473.6 |
| BIC | 1513.6 | 1499.6 |
| Log.Lik. | -738.409 | -728.814 |
| F | 3.757 | 6.685 |
| RMSE | 11.55 | 10.99 |
| + p < 0.1, * p < 0.05, ** p < 0.01, *** p < 0.001 |
Comparar modelos
| Res.Df | RSS | Df | Sum of Sq | F | Pr(>F) |
|---|---|---|---|---|---|
| 185 | 25499.90 | NA | NA | NA | NA |
| 184 | 23062.24 | 1 | 2437.663 | 19.44868 | 1.76e-05 |
Se escoge el segundo modelo.
Column {data-width=500}
Linealidad
Homocedasticidad
studentized Breusch-Pagan test
data: modelo_con_control
BP = 8.8855, df = 6, p-value = 0.1801
Normalidad de Residuos
Shapiro-Wilk normality test
data: residuals_std
W = 0.98803, p-value = 0.1076Multicolinealidad
PBI educacion_superior estabilidad_politica
1.045228 1.211595 3.347131
fuerza_laboral corrupcion igualdad
1.168139 2.633219 1.583185 Valores Influyentes
Valores Cook’s Distance para una mejor visualizavión de valores influyentes
Valores influyentes (según Cook's Distance): 4 27 44 71 74 99 105 144 156 172 189 
Analisis CONGLOMERADO y CLUSTERIZACIÓN
Column
Analisis para pasos para la clusterización
El proceso de clusterización comienza con la selección de las variables relevantes para el análisis y la creación de un nuevo rowname basado en la columna de países, lo que permitirá clasificar los países en subgrupos sin perder los datos asociados.
En primer lugar, se observa que la correlación entre la variable central (en este caso, “escanos”) y algunas de las variables seleccionadas no es significativamente alta, siendo la regulación económica y el nivel de corrupción las que presentan las correlaciones más altas con la variable central.
Para llevar a cabo la clusterización, se utiliza una estrategia aglomerativa, específicamente el algoritmo AGNES, que sugiere que los datos deben dividirse en 3 clusters. Al aplicar este algoritmo, se obtienen algunos valores mal clusterizados, los cuales se identifican a través del índice silhouette. En este caso, 15 países presentan un silhouette width negativo, lo que indica que están mal agrupados.
Gráfico de Correlación
Column
Inicio del proceso de clusterización: se calcula número de clusters
Clauster vía AGNES
| escanos | PBI | educacion_superior | estabilidad_politica | fuerza_laboral | corrupcion | agnes | |
|---|---|---|---|---|---|---|---|
| Afghanistan | 27.01613 | -2.3511007 | 6.16258 | -2.7026317 | 16.463 | -1.4936998 | 1 |
| Albania | 29.50820 | -3.3020820 | 58.06254 | 0.0885765 | 50.089 | -0.5729245 | 2 |
| Algeria | 25.75758 | -5.0000000 | 54.24337 | -0.8478143 | 15.439 | -0.6664602 | 2 |
| Andorra | 46.42857 | -11.1839399 | 12.78195 | 1.5885718 | 71.018 | 1.2660053 | 3 |
| Angola | 30.00000 | -5.6382147 | 49.14371 | -0.6007260 | 73.047 | -0.9386725 | 2 |
| Antigua and Barbuda | 11.11111 | -18.8803992 | 55.11217 | 0.9295049 | 52.775 | 0.2385333 | 3 |
| Argentina | 40.85603 | -9.9004848 | 24.08671 | -0.0720262 | 46.506 | -0.1637807 | 2 |
| Armenia | 23.48485 | -7.2000000 | 54.90856 | -0.7716423 | 57.689 | -0.0034387 | 2 |
| Australia | 30.46358 | -0.3346864 | 76.21569 | 0.8616769 | 60.192 | 1.6329559 | 3 |
| Austria | 39.34426 | -6.6329914 | 45.31873 | 0.8875288 | 55.902 | 1.4777892 | 3 |
| Azerbaijan | 17.35537 | -4.3000001 | 24.51853 | -0.8522475 | 64.728 | -1.0770841 | 2 |
| Bahamas, The | 12.82051 | -21.4234631 | 66.92837 | 0.8302374 | 62.057 | 1.1062059 | 3 |
| Bahrain | 15.00000 | -4.6446374 | 45.82210 | -0.6101093 | 43.484 | -0.0935939 | 2 |
| Bangladesh | 20.91691 | 3.4480176 | 54.48079 | -0.9158078 | 36.565 | -1.0036772 | 2 |
| Barbados | 20.00000 | -12.5396664 | 53.41999 | 1.1205775 | 57.585 | 1.1940669 | 3 |
Column {data-width=500}
Dendograma
>2 clusters (Al cortar en 0.5, se ve que las ramas se separan
claramente en tres grupos distintos, lo que sugiere que k = 3 es un buen
número de clusters.)
Evaluación de uso
Valores mal clusterizados
[1] "115" "116" "120" "127" "144" "161" "187" "33" "41" "44" "52" "56"
[13] "62" "63" "66" 15 países de 191
Gráfico de AGNES
